Skip to content

Inférence en direct avec l'application Streamlit en utilisant Ultralytics YOLO11

Introduction

Streamlit facilite la création et le déploiement d'applications web interactives. La combinaison avec Ultralytics YOLO11 permet la détection et l'analyse d'objets en temps réel, directement dans votre navigateur. La précision et la vitesse élevées de YOLO11 garantissent des performances transparentes pour les flux vidéo en direct, ce qui en fait la solution idéale pour les applications dans les domaines de la sécurité, de la vente au détail et autres.



Regarder : Comment utiliser Streamlit avec Ultralytics pour le temps réel Vision par ordinateur dans votre navigateur

Aquaculture Élevage d'animaux
DĂ©tection des poissons Ă  l'aide de Ultralytics YOLO11 Animaux DĂ©tection Ă  l'aide de Ultralytics YOLO11
DĂ©tection des poissons Ă  l'aide de Ultralytics YOLO11 Animaux DĂ©tection Ă  l'aide de Ultralytics YOLO11

Avantages de l'inférence en direct

  • DĂ©tection transparente d'objets en temps rĂ©el: Streamlit, associĂ© Ă  YOLO11 , permet la dĂ©tection d'objets en temps rĂ©el, directement Ă  partir du flux de votre webcam. Cela permet une analyse et une comprĂ©hension immĂ©diates, ce qui en fait un outil idĂ©al pour les applications nĂ©cessitant un retour d'information instantanĂ©.
  • DĂ©ploiement convivial: L'interface interactive de Streamlit facilite le dĂ©ploiement et l'utilisation de l'application sans connaissances techniques approfondies. Les utilisateurs peuvent dĂ©marrer l'infĂ©rence en direct d'un simple clic, ce qui amĂ©liore l'accessibilitĂ© et la convivialitĂ©.
  • Utilisation efficace des ressources: YOLO11 algorithme optimisĂ© garantissant un traitement Ă  grande vitesse avec un minimum de ressources informatiques. Cette efficacitĂ© permet une infĂ©rence fluide et fiable de la webcam mĂŞme sur du matĂ©riel standard, ce qui rend la vision artificielle avancĂ©e accessible Ă  un public plus large.

Code d'application Streamlit

Ultralytics Installation

Avant de commencer à construire l'application, assurez-vous que le paquet Ultralytics Python est installé. Vous pouvez l'installer à l'aide de la commande pip install ultralytics

Application Streamlit

yolo streamlit-predict
from ultralytics import solutions

solutions.inference()

### Make sure to run the file using command `streamlit run <file-name.py>`

Cela lancera l'application Streamlit dans votre navigateur web par défaut. Vous verrez le titre principal, le sous-titre et la barre latérale avec les options de configuration. Sélectionnez le modèle YOLO11 de votre choix, définissez les seuils de confiance et NMS, et cliquez sur le bouton "Start" pour commencer la détection d'objets en temps réel.

En option, vous pouvez indiquer un modèle spécifique sur le site Python:

Application Streamlit avec un modèle personnalisé

from ultralytics import solutions

# Pass a model as an argument
solutions.inference(model="path/to/model.pt")

### Make sure to run the file using command `streamlit run <file-name.py>`

Conclusion

En suivant ce guide, vous avez réussi à créer une application de détection d'objets en temps réel en utilisant Streamlit et Ultralytics YOLO11 . Cette application vous permet d'expérimenter la puissance de YOLO11 dans la détection d'objets à travers votre webcam, avec une interface conviviale et la possibilité d'arrêter le flux vidéo à tout moment.

Pour des améliorations ultérieures, vous pouvez envisager d'ajouter d'autres fonctionnalités telles que l'enregistrement du flux vidéo, la sauvegarde des images annotées ou l'intégration avec d'autres bibliothèques de vision par ordinateur.

Partagez vos réflexions avec la communauté

Participez à la communauté pour en savoir plus, résoudre des problèmes et partager vos projets :

OĂą trouver de l'aide et du soutien

Documentation officielle

  • Ultralytics YOLO11 Documentation : Consultez la documentation officielle YOLO11 pour obtenir des guides complets et des informations sur diverses tâches et projets de vision par ordinateur.

FAQ

Comment mettre en place une application de détection d'objets en temps réel en utilisant Streamlit et Ultralytics YOLO11 ?

La mise en place d'une application de détection d'objets en temps réel avec Streamlit et Ultralytics YOLO11 est simple. Tout d'abord, assurez-vous que le paquetage Ultralytics Python est installé à l'aide de :

pip install ultralytics

Ensuite, vous pouvez créer une application Streamlit de base pour exécuter une inférence en direct :

Application Streamlit

from ultralytics import solutions

solutions.inference()

### Make sure to run the file using command `streamlit run <file-name.py>`
yolo streamlit-predict

Pour plus de détails sur la configuration pratique, reportez-vous à la section Code d'application Streamlit de la documentation.

Quels sont les principaux avantages de l'utilisation de Ultralytics YOLO11 avec Streamlit pour la détection d'objets en temps réel ?

L'utilisation de Ultralytics YOLO11 avec Streamlit pour la détection d'objets en temps réel offre plusieurs avantages :

  • DĂ©tection transparente en temps rĂ©el: DĂ©tection d'objets en temps rĂ©el avec une grande prĂ©cision, directement Ă  partir des flux de la webcam.
  • Interface conviviale: L'interface intuitive de Streamlit permet une utilisation et un dĂ©ploiement faciles sans connaissances techniques approfondies.
  • EfficacitĂ© des ressources: les algorithmes optimisĂ©s de YOLO11 garantissent un traitement Ă  grande vitesse avec un minimum de ressources informatiques.

Pour en savoir plus sur ces avantages , cliquez ici.

Comment déployer une application de détection d'objets Streamlit dans mon navigateur web ?

Après avoir codé votre application Streamlit en intégrant Ultralytics YOLO11 , vous pouvez la déployer en exécutant :

streamlit run <file-name.py>

Cette commande lancera l'application dans votre navigateur Web par défaut, ce qui vous permettra de sélectionner les modèles YOLO11 , de définir la confiance et les seuils NMS, et de démarrer la détection d'objets en temps réel d'un simple clic. Pour un guide détaillé, reportez-vous à la section Code de l'application Streamlit.

Quels sont les cas d'utilisation pour la détection d'objets en temps réel avec Streamlit et Ultralytics YOLO11 ?

La détection d'objets en temps réel à l'aide de Streamlit et de Ultralytics YOLO11 peut être utilisée dans divers secteurs :

  • SĂ©curitĂ©: Surveillance en temps rĂ©el des accès non autorisĂ©s.
  • Commerce de dĂ©tail: Comptage des clients, gestion des rayons, etc.
  • Faune et agriculture: Surveillance des animaux et de l'Ă©tat des cultures.

Pour des cas d'utilisation et des exemples plus détaillés, consultez le siteUltralytics Solutions.

Comment Ultralytics YOLO11 se compare-t-il à d'autres modèles de détection d'objets tels que YOLOv5 et RCNN ?

Ultralytics YOLO11 apporte plusieurs améliorations par rapport aux modèles antérieurs tels que YOLOv5 et RCNN :

  • Vitesse et prĂ©cision accrues: amĂ©lioration des performances pour les applications en temps rĂ©el.
  • FacilitĂ© d'utilisation: interfaces et dĂ©ploiement simplifiĂ©s.
  • EfficacitĂ© des ressources: OptimisĂ© pour une meilleure vitesse avec des exigences minimales en matière de calcul.

Pour une comparaison complète, consultez le siteUltralytics YOLO11 Documentation et les articles de blog traitant des performances des modèles.

📅C réé il y a 5 mois ✏️ Mis à jour il y a 1 mois

Commentaires